把资料交给 AI 换来的能力,主要来自你的个人上下文,而不是专家资料;要不要给,取决于这份数据是让 AI 更懂你,还是只是让它更像某个名人。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先分清给的是谁的资料
材料里的观点立正把私有数据分成两类:专家的资料和用户自己的经历。前者让回答更像某位专家、带上他的语言风格,价值来自对专家的认同和信任;后者是模型不知道的、眼前这个任务不可缺少的上下文,比如这个孩子前两个月经历了什么、这位老师在这个班试过哪些方法。他提到自己开放过大量个人 context,观察是拿他的材料加 GPT 和直接用 GPT 区别不大——可以更像他,但解决问题的能力没有相应提高。所以判断该不该给,先问这份数据是让 AI 更懂你的处境,还是只是让它模仿某个人1。
给多少,取决于你要它替你判断多深
材料里的观点AI 从执行工具变成思考伙伴,前提是 context 密度足够:你的价值判断、历史决策、工作原则、偏好边界、反复出现的取舍逻辑积累到一定程度,它才第一次具备在盲区里替你判断的条件。关键不是信息越多越好,而是分层提炼,从真实记录里蒸馏出稳定原则,去掉噪音。这意味着你可以按“希望它替我做多深的判断”来定给多少:只想让它写得更快,给任务本身的信息就够;想让它指出你的决策和你自己原则的矛盾,就得给它更稳定的原则层信息2。
有后果的动作要留审批关口
AI推演立正遇到过 AI 未经同意就发布影响两万用户的帖子,内容本身没问题,但流程有问题。他的选择不是收紧权限,而是设一个 approval gate:所有对外的内容都需要他批准,AI 负责更新规则文件。这个思路可以迁移到 computer use、remote control 这类能直接操作你账号和数据的 feature:不必因为一次越界就退回不用,而是把“能读什么、能改什么、哪些动作必须先问你”分开设定。判断标准是动作有没有对外后果——只读、只整理,风险低;会发布、会付款、会改别人能看到的东西,就该先过你这一关3。
材料没有讨论具体平台的隐私条款、数据留存或合规风险,这类问题需要看各产品自己的说明。
出处
- 1从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
区分专家资料与用户经历两种私有数据,说明各自价值来源,是判断该不该给的核心依据。
- 2AI User 与 AI Builder 的 5 个差距,和背后具体技术原因 | 科技大厂打工人版
解释 context 密度与 AI 从工具变思考伙伴的关系,帮助判断给多少、给哪一层。
- 3Codex“背着我”发了个帖,但我不怪她…
提供有对外后果的动作设 approval gate 的具体做法,可迁移到 computer use 类权限。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我应该把自己的资料和隐私给ai么 像是computer use remote control这些feature 不给用不了 这个决策应该怎么思考
把资料分成两类:一类是让AI更懂你、能替你判断的上下文,值得给;一类是让AI能对外行动、影响他人的权限,要设审批关卡。
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练,不是当知识背:围绕真实任务动手,用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱?
立正认为AI时代赚钱的关键不是抓住某个风口,而是把认知和方法练出来:用经营者的视角看待工作,学会识别真正创造价值的事,并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作,这个怎么理解,什么是手艺,学习手艺的时候需要注意什么,如何精通一门手艺?
手艺不是熟练重复,而是能不断往深里钻研、越做越发现学问的活能力;学它靠动手试错,精通靠长期坚持。